| ชื่อบทความ |
Sin Activation Structural Tolerance of Online Sequential Circular Extreme Learning Machine |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
31 กรกฎาคม 2560 |
| วารสาร |
| ชื่อวารสาร |
International Journal of Technology |
| มาตรฐานของวารสาร |
SCOPUS |
| หน่วยงานเจ้าของวารสาร |
IJTech secretariat, Gd. Engineering Center Lt.2, Faculty of Engineering, Universitas Indonesia Depok 16424, Indonesia. |
| ISBN/ISSN |
20869614 |
| ปีที่ |
4 |
| ฉบับที่ |
8 |
| เดือน |
8 |
| ปี พ.ศ. ที่พิมพ์ |
2560 |
| หน้า |
601-610 |
| บทคัดย่อ |
This article discusses the development of the online sequential circular extreme learning machine (OS-CELM) and structural tolerance OS-CELM (STOS-CELM). OS-CELM is developed based on the circular extreme learning machine (CELM) to enable sequential learning. It can update a new chunk of data by spending less training time to update the chunk than the batch CELM. STOS-CELM is developed based on an idea similar to that of OS-CELM, but with a Householder block exact inverse QR decomposition (QRD) recursive least squares (QRD-RLS) algorithm to allow sequential learning and mitigate the criticality of deciding the number of hidden nodes. In addition, our experiments have shown that given the same hidden node setting, STOS-CELM can deliver accuracy comparable to a batch CELM approach and also has higher accuracy than the original online sequential extreme learning machine (OS-ELM) and structural tolerance OS-ELM (STOS-ELM) in classification problems, especially those involving high dimension datasets. |
| คำสำคัญ |
Circular extreme learning machine; Extreme learning machine; Householder block exact QRD recursive least squares algorithm; Online sequential extreme learning machine |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English